강의계획서
| 교과목코드 | DA262002 | 교과목명 | 강화학습기반전기드라이브 |
|---|---|---|---|
| 강의학과 | 전기공학과 | 교수 | 심재훈 |
| 교수소속 | 전기전자공학부 전기공학전공 | 이수학년 | |
| 과목구분 | 과정구분 | 석·박사공통 | |
| 이메일 | jh.shim@mju.ac.kr | 전화번호 |
| 주차 | 주제 |
|---|---|
| 1주차 | 전기 시스템의 AI 활용 사례 및 강화학습 적용 필요성 이해 |
| 2주차 | 상태·행동·보상·정책 및 에이전트–환경 상호작용 학습 |
| 3주차 | 가치함수, 탐험·활용 전략 및 Q-learning 원리 학습 |
| 4주차 | 가치 기반 심층 강화학습과 DQN 구조, 경험재생버퍼 및 타겟 네트워크 학습 |
| 5주차 | 정책 기반 강화학습과 Policy Gradient, Actor-Critic 및 PPO 구조, 롤아웃 버퍼와 GAE 학습 |
| 6주차 | 강화학습 이론 보충 |
| 7주차 | 전기드라이브 기본 구성 및 전류·토크·속도 제어구조 이해 |
| 8주차 | 데드타임과 전압강하 등 인버터 비선형성의 발생 원인 및 영향 분석 |
| 9주차 | 비선형성 보상을 위한 강화학습 환경·입출력·보상함수 통합 설계 |
| 10주차 | Python 기반 PMSM·인버터 비선형성 모델 및 학습환경 구현 |
| 11주차 | PPO 기반 보상전압 생성 알고리즘 구현 및 에이전트 학습 |
| 12주차 | 학습률·신경망 구조·행동주기 등 학습조건에 따른 성능 분석 및 속도·토크에 따른 정책 일반화 성능 검증 |
| 13주차 | 학습 정책의 연산량 분석, 신경망 경량화 및 MCU 탑재전략 학습1 |
| 14주차 | 학습 정책의 연산량 분석, 신경망 경량화 및 MCU 탑재전략 학습2 |
| 15주차 | (프로젝트 발표) 강화학습 알고리즘 종류에 따른 인버터 비선형성 보상 성능 결과 분석 |
| 16주차 |